Tackling the COVID-19 pandemic through the combination of established and novel Computer-Aided Drug Discovery workflows

Sin dal suo scoppio nel dicembre 2019, la pandemia da COVID-19 ha causato fino ad oggi la morte di oltre 6,5 milioni di persone in tutto il mondo. L'elevata trasmissibilità del suo agente eziologico, il virus SARS-CoV-2, combinata con il suo esito potenzialmente letale, hanno provocato una profonda crisi economica e sociale a livello globale. L'urgenza di trovare strumenti farmacologici adeguati a contrastare la pandemia ha fatto luce sulla sempre crescente importanza dei metodi computazionali nel razionalizzare e accelerare la progettazione di nuovi farmaci, sottolineando ulteriormente la necessità di sviluppare metodi rapidi e affidabili per l’identificazione di nuove molecole attive e la caratterizzazione del loro meccanismo d'azione. Nel presente lavoro di tesi, diverse metodologie computazionali atte alla scoperta di nuovi farmaci sono state impiegate con successo per decifrare il processo di riconoscimento fra le molecole attive e alcuni bersagli molecolari cruciali per il ciclo riproduttivo di SARS-CoV-2, quali la proteasi principale 3CLpro e la proteina spike. Incidentalmente, le conoscenze acquisite lavorando su SARS-CoV-2 sono state applicate con successo anche per studiare altri bersagli non virali farmaceuticamente rilevanti, tra cui la caseina chinasi 1 e i recettori dell'adenosina. Infine, vengono presentate due nuove metodologie, sviluppate internamente, per la caratterizzazione dei processi di legame tra entità biologiche, con la prima che consiste nell'applicazione della Dinamica Molecolare Supervisionata (SuMD) allo studio della formazione di complessi tra RNA e proteine, mentre la seconda consiste nella Titolazione Termica mediante Dinamica Molecolare (TTMD), un nuovo protocollo per la stima della cinetica dei processi di dissociazione.

Since its outbreak in December 2019, the COVID-19 pandemic has caused the death of more than 6.5 million people around the world to date. The high transmissibility of its causative agent, the SARS-CoV-2 virus, coupled with its potentially lethal outcome, provoked a profound global economic and social crisis. The urgency of finding suitable pharmacological tools to tame the pandemic shed light on the ever-increasing importance of computer simulations in rationalizing and speeding up the design of new drugs, further stressing the need for developing quick and reliable methods to identify novel active molecules and characterize their mechanism of action. In the present work, several existing computer-aided drug discovery tools are successfully exploited for deciphering the recognition process between active molecules and crucial targets for the SARS-CoV-2 reproductive cycle such as the 3CL protease and the spike protein. Incidentally, the knowledge acquired upon working on SARS-CoV-2 has been successfully applied also to investigate other pharmaceutically relevant non-viral targets, including casein kinase 1 and adenosine receptors. Finally, two novel, in-house developed, methodologies for the characterization of binding processes between biological entities are presented, with the first one being the application of Supervised Molecular Dynamics (SuMD) to the study of RNA-protein complexes formation, while the second one being Thermal Titration Molecular Dynamics (TTMD), a brand new protocol for unbinding kinetics estimation.